基于轻量级卷积神经网络的心脏杂音分级方法
黄昭涵1
何培宇1
李世龙1
李莉2
赵启军3
潘帆1
1.四川大学电子信息学院,成都 6100652.四川大学华西第二医院儿童心血管科,成都 6100413.四川大学计算机学院,成都 610065
摘要：针对人工听诊存在经验依赖和主观性问题,本研究提出了一种基于轻量级卷积神经网络的心脏杂音分级方法.首先,采用滑动窗口和Gammatone滤波器组对心音信号进行预处理,将心音片段的对数耳蜗谱图作为网络的输入;其次,设计初始卷积模块和选择性卷积模块捕获全局特征和多尺度特征,并使用深度可分离卷积降低网络参数量;最后,基于提出的决策规则对多个听诊区的预测结果进行综合判断,得到患者的心脏杂音等级.本研究在CirCor DigiScope PCG数据集上的实验结果显示,测试集上的未加权平均召回率、加权平均召回率和未加权F1分数分别达到81.63％、88.46％和79.85％.本研究方法具有较好的杂音分级性能,不仅适用于终端设备,还可为心脏疾病的自动分析提供重要依据.
关键词：心脏杂音杂音分级对数耳蜗谱轻量级网络选择性卷积临床决策
分类号：R318(医用一般科学)TN912.3(通信)TP39(计算技术、计算机技术)
资助基金：国家自然科学基金(62066042)四川省重点研发项目(2022YFG0045)中央高校基本科研业务费专项(2022SCU12008)
论文发表日期：2024-12-28
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：9( 423-431 )
英文信息